High resolution ensemble flood forecasting

Abstract

The number and impacts of pluvial floods are likely to increase with the growth of our cities and as extreme weather is anticipated to intensify with climate change. Im- proved preparedness is needed which may be attained owing to recent development of high-resolution hydro-meteorological observations and forecasts as well as geographical data. This paper investigates the capacity of the HYPE model for rainfall-runoff mod- elling and ensemble forecasting at hourly resolution. The analysis includes evaluation and application of several new high-resolution data sources: radar-based precipitation (HIPRAD), urban land-use data (EEA Urban Atlas) and high-resolution ensemble forecasts (MEPS). These components are finally integrated in a forecasting prototype for a catchment in southern Sweden. The results showed that HYPE, forced with HIPRAD and with land-use from Urban Atlas, performed well with a long-term Nash- Sutcliffe Efficiency > 0.8 at hourly level. Analysis of selected pluvial-type high-flow events close to an urban area indicated a good representation of fast runoff. The application of MEPS forecasts has been demonstrated for a few single events with promising results. Overall it is concluded that the 1-hour forecasts provide added value compared with the 1-d step and that an increased resolution in time and space is important to accurately forecast pluvial-type events.

Popular Abstract (Swedish)

Pluviala översvämningar inträffar när intensiteten av ett regn överskrider markens förmåga att infiltrera, vilket resulterar i att vattnet istället ansamlas på ytan. Tillräckligt mycket vatten på samma yta leder som bekant till översvämning. Ett typexempel är när korta intensiva regn faller över urbana områden där ytor som asfalt förhindrar infiltrering. Mängden och intensiteten av denna typ av översvämningar beräknas öka i framtiden bland annat på grund av att städerna växer. Konsekvenserna från översvämningar är kostsamma för samhället både socialt och ekonomiskt och ett sätt att mildra dessa är att i förväg beräkna risken för att det ska inträffa genom avrinningsmodeller och väderprognoser.
Det här exjobbet har kretsat kring en avrinningsmodell utvecklad av SMHI som heter HYPE och har haft som slutmål att genomföra en prognos för ett översvämningsevent på en timmes tidsteg. Prognosen utfördes med lovande resultat och användandet av HYPE i prognossyfte för pluviala översvämningar ser inte ut att vara allt för långt borta. Eftersom pluviala skyfall ofta härstammar från korta intensiva regn behövs det modeller med hög upplösning i tid och rum för att fånga dem i modelleringen. Exempel 1 och 2 illustrerar begreppet ”hög upplösning” i tid (1) respektive rum (2):
1. Säg att vi ska beskriva en människas liv. I låg upplösning i tiden skulle vi kunna beskriva det som en bild på en bäbis och sedan en tant. I högre upplösning gör vi t ex nedslag varje år och ser då hur barnet växer, når sin fysiska höjdpunkt och sedan åldras.
2. Hög upplösning i rummet. Ett bra exempel kan ses på utvecklingen hos mobilkameror. När Ericsson lanserade sin första telefon med kamera så var man glad om man kunde se vem fotot föreställde. I dagens mobiler kan vi ta bättre foton än vad det gick med digitalkamerorna på den tiden, man har höjt upplösningen. Det ger mer detaljerade bilder som ger en bättre beskrivning, närmare verkligheten.
Vi ska komma ihåg här att en modell är alltid bara en beskrivning av verkligheten och vi kan bara komma så nära som kvalitén på modellen och befintliga data tillåter. Det behövs data med tillräckligt hög upplösning för att dels initiera modellerna samt att köra modellerna på. Detta har tidigare inte varit tillgängligt men med ny teknik från SMHI som utnyttjas i detta exjobb öppnas nu nya möjligheter. För att nå målet om att utföra prognos på en timmes tidsteg har jag utvärderat en ny radarbaserad högupplöst regndata som behövs för att köra modellen, uppdaterat modellen rumsligt och jämfört att köra på en timme respektive en dags upplösning i tid.
Radardatan jämfördes mot lokala mätstationer och resultatet visade att de stämde förhållandevis bra överens. Detta är ett mycket positivt resultat, då radardata har en bättre rumslig beskrivning i jämförelse. Detta har stora fördelar inom avrinningsmodellering då det ger en rättvisare beskrivning av verkligheten där regn kan variera mycket inom rummet. Det är vanligt att intensiva regn är mycket lokala och därför lätt kan missas om man bara mäter på punktnivå som med mätstationer. Utvärderingen mellan att använda data på en timme jämfört med ett dygn, visade klara fördelar med att använda data på en timmes tidsteg vid modellering av pluviala översvämningar. Eventet är för kort för att ge utslag i modellen när ett längre tidsteg används. Detta var förväntat, men det var positivt att också se hur modellen på ett dygns tidsteg fångade höjningarna för längre (fluviala) översvämningsevent lika bra som modellen som använde en finare upplösning i tid.
Resultatet från detta exjobb kan framförallt användas till att visa på potentialen inom berörda forskningsområden. Radardata fungerade bra att användas som drivdata och behöver nu utvecklas till en liveuppdaterad version. Fördelarna med att använda en timmes tidsteg i jämförelse med ett dygn var tydliga när pluviala översvämningar ska modelleras, vilket visar på behovet att utveckla modellerna och drivdata på kort tidsteg. Med tanke på att resultatet från prognosen redan i denna testversion var positivt, kan vi konstatera att det finns potential för att utföra översvämningsmodellering på en timmes upplösning med avrinningsmodellen HYPE.

• author: Ivarsson, Cajsa-Lisa
• supervisor: Rolf Larsson
• organization: Division of Water Resources Engineering
• course: VVR820 20162
• year: 2019
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• keywords: High-resolution, rainfall-runoff modelling, flood forecasting, HYPE, pluvial floods
• publication/series: TVVR17/5009
• report number: 17/5009
• ISSN: 1101-9824
• language: English
• additional info: Examiner: Ronny Berndtsson
• id: 8998350
• date added to LUP: 2019-12-05 09:14:06
• date last changed: 2019-12-05 09:14:06